Năm 2026 đánh dấu một giai đoạn mà sự hào hứng ban đầu với AI đang dần nhường chỗ cho những tính toán thực dụng về kinh tế. Tình trạng này diễn ra trong bối cảnh chi phí vận hành các mô hình ngôn ngữ lớn bắt đầu vượt quá ngân sách dự kiến của nhiều doanh nghiệp.
Bài toán chi phí sử dụng AI hàng tháng
Một báo cáo từ Fortune cho biết Microsoft gần đây đã phải hủy phần lớn giấy phép sử dụng công cụ Claude Code của nhân viên. Nguyên nhân đằng sau quyết định này đến từ chi phí cho Claude Code đã tăng vọt khi lượng người dùng trong nội bộ Microsoft mở rộng quá nhanh.
Tương tự, giám đốc công nghệ của Uber đã tiết lộ rằng ngân sách dành cho AI trong cả năm 2026 đã bị tiêu sạch chỉ trong vòng 4 tháng đầu năm. Điều này buộc công ty phải lập lại kế hoạch tài chính từ đầu.
Hiện tượng trên không chỉ xảy ra với các gã khổng lồ mà còn lan rộng đến nhiều công ty khởi nghiệp. Trường hợp của startup Swan AI là một ví dụ điển hình khi họ phải chi trả hơn 113.000 USD cho Anthropic chỉ trong một tháng cho bốn nhân viên. Con số này tương đương trung bình 28.000 USD mỗi người, thậm chí vượt xa mức lương của nhiều nhân sự trình độ cao.
Lý do chính khiến chi phí AI trở thành gánh nặng nằm ở sự chuyển dịch từ các chatbot thông thường sang AI Agent (tác nhân AI). Một chatbot truyền thống hoạt động theo mô hình hỏi đáp đơn giản. Trong đó, người dùng đưa câu hỏi đầu vào và nhận phản hồi trực tiếp, quá trình này kết thúc ngay sau đó và tiêu tốn ít token.
“AI Agent có cách vận hành khác chatbot truyền thống như ChatGPT hay Gemini. Với chatbot, khi bạn đặt một câu hỏi, nó sẽ truy vấn mô hình ngôn ngữ lớn (LLM), nhận phản hồi và kết thúc quá trình. Nhưng với AI Agent, quy trình này rất khác.
Khi người dùng yêu cầu một việc, AI Agent sẽ tương tác với LLM và lặp lại rất nhiều lần để hoàn thành nhiệm vụ. Điều này khiến lượng token tiêu tốn có thể tăng lên gần gấp 10 lần so với các yêu cầu thông thường”, Tiến sĩ Lin Weiyen, quản lý cấp cao bộ phận AI tại Leadtek, chia sẻ với phóng viên Dân trí.
Theo báo cáo từ Goldman Sachs, mức sử dụng token trên toàn cầu vào năm 2030 có thể sẽ tăng gấp 24 lần so với số liệu năm 2026 do sự thúc đẩy của các tác nhân AI. Nếu phụ thuộc hoàn toàn vào mô hình trả phí theo mức độ sử dụng trên đám mây, chi phí hàng tháng dành cho AI sẽ trở nên khó kiểm soát và có thể trở thành gánh nặng.
Máy chủ AI cục bộ giải quyết “nỗi lo” chi phí hàng tháng
Để giải quyết bài toán chi phí biến đổi và nỗi lo “trả lương” hàng tháng cho AI, việc chuyển dịch từ nền tảng đám mây sang hệ thống máy chủ AI cục bộ đang trở thành một lựa chọn chiến lược.
Việc sử dụng máy chủ AI cục bộ cho phép doanh nghiệp có thể dự toán trước chi phí đầu tư, thay vì phụ thuộc vào chi phí không ổn định hàng tháng. Hệ thống cho phép các AI Agent hoạt động liên tục mà không cần lo lắng về hóa đơn token tăng theo mỗi khi yêu cầu xử lý tác vụ.
Lợi thế của việc triển khai AI cục bộ còn nằm ở khả năng bảo mật và quyền riêng tư dữ liệu. Trong các lĩnh vực nhạy cảm liên quan đến chính phủ, y tế, tài chính, dữ liệu chứa thông tin cá nhân hoặc bí mật kinh doanh không thể gửi lên các nền tảng đám mây công cộng. Máy chủ cục bộ cho phép xử lý thông tin ngay trong mạng nội bộ, đảm bảo dữ liệu không bị rò rỉ.
Giải pháp này cũng loại bỏ sự phụ thuộc vào kết nối mạng Internet vốn có thể gây gián đoạn hoạt động của AI Agent nếu đường truyền kém. Ngoài ra, doanh nghiệp có thể kiểm soát hoàn toàn phiên bản mô hình LLM đang sử dụng, tránh tình trạng nhà cung cấp dịch vụ đám mây thay đổi mô hình.
Về mặt phần cứng, các thiết bị chuyên dụng như WinFast WS650 hiện đã được tối ưu thiết kế nhỏ gọn nhưng vẫn đảm bảo sức mạnh cấp độ máy chủ. Hệ thống này hỗ trợ card đồ họa Nvidia kiến trúc Blackwell, cho phép vận hành các mô hình ngôn ngữ lớn hoặc các tác vụ AI tạo sinh phức tạp.
Tuy nhiên, việc triển khai hệ thống AI cục bộ cũng có những hạn chế nhất định. Một trong những rào cản lớn đối với nhiều doanh nghiệp là sự phức tạp trong khâu thiết lập ban đầu.
“Thông thường, khi doanh nghiệp mua máy chủ hoặc máy trạm AI, họ sẽ rất bối rối vì phải tự xây dựng mọi thứ từ đầu, như cài đặt hệ điều hành, driver, các thư viện cần thiết và thiết lập mô hình ngôn ngữ lớn.
Để giải quyết vấn đề này, nền tảng AIDMS đã được phát triển và hỗ trợ sẵn rất nhiều mô hình ngôn ngữ lớn. Người dùng chỉ cần mở máy, khởi động phần mềm là có thể sử dụng”, Tiến sĩ Lin Weiyen chia sẻ.
Bên cạnh rào cản kỹ thuật, doanh nghiệp còn phải đối mặt với khoản chi phí đầu tư thiết bị ban đầu lớn. Khác với đám mây có thể mở rộng tài nguyên tức thì, hệ thống cục bộ đòi hỏi việc lập kế hoạch nâng cấp phần cứng vật lý khi nhu cầu tính toán tăng vượt mức.
Trên thực tế, mỗi giải pháp sẽ phù hợp với nhu cầu và khả năng của từng doanh nghiệp. Trong bối cảnh chi phí token tăng cao, giải pháp sử dụng máy chủ AI cục bộ mang lại nhiều lợi ích về bảo mật, tính ổn định và tối ưu chi phí dài hạn. Đánh đổi lại, khoản đầu tư ban đầu sẽ cao hơn.
Mới đây, Google tích hợp trí tuệ nhân tạo trực tiếp vào thanh địa chỉ Chrome, đánh dấu thay đổi đáng chú ý trong cách trình duyệt vận hành. Thanh địa chỉ không còn chỉ để nhập URL hay từ khóa mà trở thành nơi phân tích, phản hồi truy vấn theo thời gian thực.
Động thái này cho thấy trình duyệt web đang chuyển từ hiển thị nội dung sang lớp trung gian có khả năng xử lý, tổng hợp tri thức, cho phép người dùng tương tác trực tiếp với AI ngay khi duyệt web.
Trong mô hình truyền thống, công cụ tìm kiếm hoạt động dựa trên việc đối chiếu từ khóa với chỉ mục trang web, sau đó trả về danh sách liên kết để người dùng tự chọn lọc. Cách tiếp cận này phụ thuộc nhiều vào khả năng diễn đạt của người dùng và thường yêu cầu nhiều lần truy vấn để đạt được kết quả mong muốn.
AI Mode in Chrome - Video: Google
Khi trí tuệ nhân tạo được tích hợp trực tiếp vào Chrome, cơ chế đó thay đổi theo hướng xử lý ngữ nghĩa. Hệ thống không còn chỉ nhìn vào từng từ riêng lẻ, mà phân tích toàn bộ câu hỏi để xác định ý định thực sự phía sau. Từ đó, truy vấn được tái cấu trúc thành dạng có thể xử lý sâu hơn, kết hợp nhiều nguồn dữ liệu và tạo ra câu trả lời hoàn chỉnh ngay trên giao diện.
Điểm đáng chú ý nằm ở khả năng duy trì ngữ cảnh. Thay vì mỗi lần tìm kiếm là một phiên độc lập, hệ thống có thể liên kết các câu hỏi liên tiếp thành một chuỗi logic. Điều này khiến trải nghiệm tìm kiếm dần tiệm cận với hội thoại, nơi thông tin được xây dựng theo từng bước thay vì rời rạc.
Thay đổi này cũng tác động trực tiếp đến cấu trúc của web. Khi câu trả lời đã được tổng hợp ngay từ đầu, nhu cầu truy cập vào từng trang riêng lẻ giảm xuống, kéo theo vai trò của các trang kết quả tìm kiếm truyền thống dần bị thu hẹp. Trình duyệt, trong trường hợp này, không còn là "cổng vào" mà trở thành nơi "xử lý cuối cùng" của thông tin.
Việc đưa trí tuệ nhân tạo vào thanh địa chỉ cũng kéo theo sự thay đổi trong cách người dùng tương tác với nội dung. Trình duyệt không còn chỉ hiển thị trang web, mà có thể tham gia trực tiếp vào việc diễn giải thông tin đang được mở.
Khi truy cập một nội dung dài hoặc phức tạp, hệ thống có khả năng rút gọn, làm rõ ý chính hoặc giải thích lại theo cách dễ hiểu hơn, giúp người dùng nắm bắt nhanh mà không cần đọc toàn bộ.
Theo định hướng từ blog chính thức của Google, các chức năng này được xây dựng dựa trên mô hình trí tuệ nhân tạo có khả năng xử lý ngôn ngữ tự nhiên theo thời gian thực. Điều đó cho phép trình duyệt không chỉ phản hồi câu hỏi, mà còn chủ động hỗ trợ trong quá trình đọc, hiểu và khai thác thông tin.
Về bản chất, phần lớn công việc vốn do người dùng thực hiện như lọc nội dung, đối chiếu nguồn hay tóm tắt và dần đang được chuyển sang hệ thống. Người dùng tiếp cận trực tiếp với phiên bản thông tin đã được xử lý, thay vì tự tổng hợp từ nhiều trang khác nhau. Điều này giúp tiết kiệm thời gian, nhưng đồng thời cũng làm tăng mức độ phụ thuộc vào cách hệ thống lựa chọn và diễn giải dữ liệu.
Ở phía sau, toàn bộ quá trình này dựa vào các mô hình trí tuệ nhân tạo vận hành trên hạ tầng đám mây, cho phép xử lý truy vấn và tạo nội dung gần như tức thời. Khả năng phản hồi nhanh và duy trì ngữ cảnh liên tục là yếu tố then chốt giúp trải nghiệm đủ mượt để thay thế cách tìm kiếm truyền thống.
Tuy nhiên khi trình duyệt đóng vai trò ngày càng lớn trong việc quyết định thông tin nào được hiển thị, vấn đề về độ chính xác và nguồn gốc dữ liệu trở nên đáng chú ý hơn. Người dùng không còn tiếp xúc trực tiếp với từng nguồn riêng lẻ, mà thông qua một lớp trung gian đã được xử lý, khiến việc kiểm chứng trở nên khó khăn hơn nếu không chủ động đối chiếu.
Theo Interesting Engineering, công nghệ chế tạo chip nhỏ hơn 1 nanomet của IBM dựa trên kiến trúc bóng bán dẫn ba chiều mới, giúp vượt qua giới hạn hiện nay khi thu nhỏ chip. Chip 0,7 nm chứa gần 100 tỷ bóng bán dẫn trên một khuôn cỡ móng tay, gần gấp đôi mật độ bóng bán dẫn của chip 2 nm được IBM công bố năm 2021.
Đại diện công ty cho biết, công nghệ mới có thể cung cấp hiệu suất cao hơn 50% hoặc tiết kiệm điện đến 70% so với mẫu 2 nm, đem lại lợi ích cho các hệ thống trí tuệ nhân tạo, cơ sở hạ tầng đám mây và thiết bị điện tử tiêu dùng trong tương lai. Giải pháp của hãng xuất hiện giữa lúc ngành công nghiệp bán dẫn đối mặt với thách thức ngày càng tăng trong việc thu nhỏ kích thước bóng bán dẫn bằng thiết kế thông thường. IBM khẳng định thiết kế của công ty sẽ mở đường để tiếp tục thu nhỏ chip ngay cả khi tiến gần đến kích thước nguyên tử.
Chip 0,7 nm sử dụng thiết kế tiên tiến gọi là "nanostack". Khác với chip truyền thống bố trí bóng bán dẫn trên một mặt phẳng theo chiều ngang, nanostack áp dụng cấu trúc xếp chồng theo chiều dọc, qua đó tích hợp nhiều thành phần hơn trên cùng một diện tích. Thiết kế này cũng cho phép sử dụng vật liệu khác nhau ở những lớp riêng biệt, giúp kỹ sư tối ưu hóa hiệu suất và tiêu thụ điện.
Jay Gambetta, Giám đốc nghiên cứu của IBM và IBM Fellow, chia sẻ: "Đột phá mới giúp đưa công nghệ vượt qua kỷ nguyên nanomet đến quy mô nguyên tử. Với kiến trúc nanostack, chúng tôi không chỉ tạo ra bóng bán dẫn nhỏ hơn mà còn thay đổi mới phương pháp sản xuất chip theo hướng mạnh mẽ và tiết kiệm năng lượng hơn".
IBM hợp tác phát triển công nghệ sản xuất chip bán dẫn với Lam Research, Tokyo Electron và SCREEN Semiconductor Solutions. Các chuyên gia IBM đã tiến hành một số thử nghiệm tại cơ sở nghiên cứu bán dẫn của công ty ở Albany, New York và xác nhận kiến trúc nanostack có thể thực hiện chức năng tính toán và đưa vào sản xuất.
Công nghệ này cũng giúp thu nhỏ kích thước bộ nhớ. Với kích thước ô SRAM (bề mặt của một tế bào nhớ cơ bản trên chip bán dẫn dùng để lưu trữ 1 bit dữ liệu) giảm 40%, nhà sản xuất chip có thể chế tạo bộ xử lý dày đặc và hiệu quả hơn trong khi hỗ trợ nhu cầu tăng bộ nhớ từ các tác vụ AI, theo Ars Technica. IBM dự kiến ứng dụng thương mại chip sử dụng cấu trúc nanostack sớm nhất trong vòng 5 năm tới.
Nanomet (nm) về mặt kỹ thuật đề cập chiều rộng của cổng trên bóng bán dẫn (transistor). Cổng càng nhỏ càng cho phép ép càng nhiều bóng bán dẫn hơn vào cùng một khu vực, giúp bộ xử lý mạnh hơn. Chip ban đầu sử dụng bóng bán dẫn có chiều rộng cổng đo bằng centimet, sau đó dần thu nhỏ xuống milimet và micromet. Đến cuối thập niên 1990, những tiến bộ trong kỹ thuật quang khắc và khoa học vật liệu cho phép chuyển đổi sang bóng bán dẫn kích thước nanomet (1 nm bằng 0,000001 mm), tương đương đường kính DNA của con người. Bước tiến này giúp cải thiện rõ rệt mật độ bóng bán dẫn, tốc độ xử lý và giảm tiêu thụ điện năng. Chip tiên tiến nhất đang được sản xuất thương mại đạt 2 nm.
